当API接管生物实验室：自动化合成背后的静默危机

当 Ginkgo Bioworks 和 OpenAI 将 GPT-5 直接接入自动化实验室循环时，生产目标蛋白的成本下降了 40%。实验室工作台上没有任何研究人员在移液。云服务器只需将模型的方案转化为机器代码，即可唤醒远程机械臂。几天后，系统便能读取物理实验结果，并将更优的变体反馈回循环中。

这就是以软件速度运行的可编程生物学。然而，这种能低成本迭代商业酶的 API 基础设施，从机械层面来看，同样可以优化病毒的生长参数。生物武器化的主要障碍一直在于执行湿实验室工作所需的纯技术能力。如今，这一瓶颈正在迅速消失。

外包移液管

将理论生物学设计转化为物理试剂，过去需要多年的实践能力。你无法仅靠虚张声势完成复杂的病毒学工作流程。但当来自 SecureBio 和 Scale AI 的安全研究人员测试生物学新手使用大语言模型的情况时，他们发现业余人员在复杂病毒学任务上的准确性有了显著提高。

来自 Active Site 的数据也指向了同样令人不安的事实。他们的研究表明，人工智能辅助加快了传统上能够筛除无能者的物理湿实验室步骤。用于寻找更好治疗性抗体的“搜索与优化”逻辑，同样适用于不那么良性的设计。

针对数字病原体的模拟条约

监管框架对云连接生物学完全没有准备。《1975年禁止生物武器公约》没有针对自主设计系统的明确规定，这使得合成实验室只能依赖自愿的 DNA 筛选。硬件的发展速度已经超过了立法。

RAND 和 Nuclear Threat Initiative 的政策分析师正在研究相关数据，并推动数字封锁。他们认为，唯一可行的补救措施是一个托管访问框架，强制研究人员对其提交给云实验室的实验方案进行加密签名。这旨在 API 执行订单前，明确将用户身份与生物产出挂钩。

欧洲的硬件问题

欧洲应对这一治理差距的方式一贯是不连贯的。《欧盟人工智能法案》花费多年时间对软件风险进行了细致分类，但从未旨在监管实际混合化学品的机器人实验室调度程序。布鲁塞尔制定了代码规则，却忽视了湿件（wetware）。

这对德国来说是一个特殊的问题。德国在工业自动化硬件方面的主导地位，使其成为商业云实验室的天然中心。然而，柏林分散的出口管制和混乱的采购规则意味着，目前尚无统一机制来执行强制性 DNA 筛选或严格的身份检查。

欧洲绝对具备构建安全、可加密验证的生物供应链的工程能力。布鲁塞尔只是还没有决定由哪个机构来监管这些机器人。

来源

• Ginkgo Bioworks
• OpenAI
• SecureBio
• Scale AI
• Active Site
• Nuclear Threat Initiative (NTI)
• RAND Corporation